實時動態目標跟蹤方法及裝置制造方法及圖紙

本發明專利技術提供了一種實時動態目標跟蹤方法及裝置，涉及圖像處理的技術領域，其中，一種實時動態目標跟蹤方法，包括：采集目標的三維圖像；對三維圖像進行圖像通道分割處理，生成二維圖像和圖像深度矩陣；對二維圖像進行圖像預處理；對預處理后的二維圖像和圖像深度矩陣進行幀差分處理；對幀差分處理后的二維圖像進行凸包檢測并計算凸包的質心；對幀差分處理后的圖像深度矩陣進行濾波；將幀差分處理后的二維圖像和濾波后的圖像深度矩陣進行坐標融合生成目標團塊矯正矩陣；根據凸包的質心對目標團塊矯正矩陣進行目標標記和路徑跟蹤。解決了現有動態目標追蹤在魯棒性或實時性存在不足的技術問題，達到了提高動態目標追蹤的魯棒性或實時性的技術效果。

Method and device for real-time dynamic target tracking

The present invention provides a real-time dynamic target tracking method and device, and relates to the technical field of image processing, including a tracking method, real-time dynamic target include 3D image acquisition targets; on the 3D image channel segmentation, two-dimensional image generation and image depth of two-dimensional image matrix; image preprocessing; frame differential processing of the 2D image and depth image after preprocessing matrix of frame difference; two-dimensional image processing of convex hull detection and centroid calculation of the convex hull; the frame difference image depth matrix processed to filter; frame difference image depth matrix 2D image and filtering processing after coordinate fusion to generate the target mass correction matrix; according to the convex hull of the centroid of target mass matrix correction mark the target and path tracking. The invention solves the technical problems of the existing dynamic target tracking in the lack of robustness or real time performance, and achieves the technical effect of improving the robustness or the real-time performance of the dynamic target tracking.

【技術實現步驟摘要】
實時動態目標跟蹤方法及裝置
本專利技術涉及圖像處理
，尤其是涉及一種實時動態目標跟蹤方法及裝置。
技術介紹
現有技術的目標跟蹤主要通過兩種方式實現，一種方式是運用生成的模型描述子描述目標的特征，通過搜索待定目標的特征實現目標的跟蹤，有代表性的算法有稀疏編碼，在線密度估計等。稀疏編碼和在線密度估計等算法著眼于對目標本身的描述，忽略了背景信息，在目標為非剛體或被遮擋的情況下會產生漂移；另一種方式是通過訓練分類器來實現跟蹤目標。代表性的算法有MeanShift和典型的DLT深度學習算法。MeanShift采用目標的顏色直方圖作為搜索特征，不斷迭代MeanShift向量使得算法收斂于目標的真實位置，從而達到區分目標和跟蹤的目的，MeanShift算法對邊緣遮擋、目標旋轉、變形和背景運動不敏感。典型的DLT深度學習算法采用輔助訓練數據進行預訓練，獲取目標初略特征，實際跟蹤時微調整預訓練模型，增強其分類性能。這些算法在魯棒性和實時性方面都或多或少存在不盡人意的地方。
技術實現思路
有鑒于此，本專利技術的目的在于提供一種實時動態目標跟蹤方法及裝置，以緩解現有技術的目標跟蹤在魯棒性和實時性較差的技術問題。第一方面，本專利技術實施例提供了一種實時動態目標跟蹤方法，包括以下步驟：采集目標的三維圖像；對三維圖像進行圖像通道分割處理，生成二維圖像和圖像深度矩陣；對二維圖像進行圖像預處理，生成預處理后的二維圖像；對預處理后的二維圖像和圖像深度矩陣分別進行幀差分處理，得到幀差分處理后的二維圖像和幀差分處理后的圖像深度矩陣；對幀差分處理后的二維圖像進行凸包檢測并計算凸包的質心；對幀差分處理后的圖像深度矩陣進行濾波，得到濾波后的圖像深度矩陣；將幀差分處理后的二維圖像和濾波后的圖像深度矩陣進行坐標融合，得到目標團塊矯正矩陣；根據質心對目標團塊矯正矩陣進行目標標記和路徑跟蹤。結合第一方面，本專利技術實施例提供了第一方面的第一種可能的實施方式，其中，在圖像通道分割處理前或幀差分處理前還包括幀分割處理，具體方法為：在圖像通道分割處理之前對三維圖像進行等幀數分組；或在幀差分處理前對二維圖像或預處理后的二維圖像進行等幀數分組。結合第一方面，本專利技術實施例提供了第一方面的第二種可能的實施方式，其中，幀差分處理為三幀差分處理。結合第一方面，本專利技術實施例提供了第一方面的第三種可能的實施方式，其中，三幀差分處理為幀間差分法、索貝爾算子或背景差分算法。結合第一方面，本專利技術實施例提供了第一方面的第四種可能的實施方式，其中，預處理方法包括全局閾值化、局部自適應閾值化、高斯模糊、高斯金字塔和拉普拉斯金字塔中的一種或多種。結合第一方面，本專利技術實施例提供了第一方面的第五種可能的實施方式，其中，將幀差分處理后的二維圖像和濾波后的圖像深度矩陣進行坐標融合，生成目標團塊矯正矩陣，具體為：對幀差分后的二維圖像進行形態學處理生成目標輪廓矩陣，將目標輪廓矩陣和濾波后的圖像深度矩陣進行坐標融合生成目標團塊矯正矩陣。結合第一方面，本專利技術實施例提供了第一方面的第六種可能的實施方式，其中，對幀差分處理后的二維圖像進行凸包檢測并計算凸包的質心，具體為：對幀差分處理后的二維圖像進行形態學處理生成目標輪廓矩陣，對目標輪廓矩陣進行凸包檢測并計算凸包的質心。結合第一方面，本專利技術實施例提供了第一方面的第七種可能的實施方式，其中，濾波處理為低通濾波處理。第二方面，本專利技術實施例還提供一種實時動態目標跟蹤裝置，包括：圖像采集模塊，用于采集目標的三維圖像；分割模塊，用于對三維圖像進行通道分割處理，生成二維圖像和圖像深度矩陣；圖像預處理模塊，用于對二維圖像進行圖像預處理，得到預處理后的二維圖像；幀差分處理模塊，用于對預處理后的二維圖像和圖像深度矩陣分別進行幀差分處理，得到幀差分后的二維圖像和幀差分后的圖像深度矩陣；凸包檢測模塊，用于對所述幀差分處理后的二維圖像進行凸包檢測并計算所述凸包的質心；濾波模塊，用于對幀差分后的圖像深度矩陣進行濾波，得到濾波后的圖像深度矩陣；融合模塊，用于將幀差分處理后的二維圖像和濾波后的圖像深度矩陣進行坐標融合生成目標團塊矯正矩陣；目標標記和跟蹤模塊，用于根據質心對目標團塊矯正矩陣進行目標標記和路徑跟蹤。結合第二方面，本專利技術實施例提供了第二方面的第一種可能的實施方式，其中，還包括幀分組模塊；用于在圖像通道分割處理之前對三維圖像進行等幀數分組；或用于在幀差分處理前對二維圖像或預處理后的二維圖像進行等幀數分組。本專利技術實施例帶來了以下有益效果：本專利技術提供了一種實時動態目標跟蹤方法，將采集的目標的三維圖像進行通道分割生成二維圖像和圖像深度矩陣；對二維圖像進行圖像預處理，對預處理后的二維圖像和圖像深度矩陣分別進行幀差分處理，然后對幀差分后的二維圖像進行凸包檢測，并計算凸包的質心；將幀差分后的圖像深度矩陣進行濾波后與幀差分處理后的二維圖像進行坐標融合生成目標團塊矯正矩陣，因為幀差分后的圖像深度矩陣也包含輪廓信息，因此濾波后的深度矩陣和幀差分處理后的二維圖像融合后實現了對目標輪廓的雙重定位，根據質心對目標團塊矯正矩陣進行目標標記和路徑跟蹤，提高了對柔性目標實時跟蹤的準確率。本專利技術的其他特征和優點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本專利技術而了解。本專利技術的目的和其他優點在說明書、權利要求書以及附圖中所特別指出的結構來實現和獲得。為使本專利技術的上述目的、特征和優點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細說明如下。附圖說明為了更清楚地說明本專利技術具體實施方式或現有技術中的技術方案，下面將對具體實施方式或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本專利技術的一些實施方式，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。圖1為本專利技術實施例1提供的實時動態目標跟蹤方法的第一種實施方式的流程圖；圖2為本專利技術實施例1提供的實時動態目標跟蹤方法的第二種實施方式的流程圖；圖3為本專利技術實施例1提供的實時動態目標跟蹤方法的第三種實施方式的流程圖；圖4為本專利技術實施例1提供的實時動態目標跟蹤方法的第四種實施方式的流程圖；圖5為本專利技術實施例2提供的實時動態目標跟蹤裝置的第一種實施方式的示意圖；圖6為本專利技術實施例2提供的實時動態目標跟蹤裝置的第二種實施方式的示意圖；圖7為本專利技術實施例2提供的實時動態目標跟蹤裝置的第三種實施方式的示意圖；圖8為本專利技術實施例2提供的實時動態目標跟蹤裝置的第四種實施方式的示意圖。圖標：101-圖像采集模塊；102-分割模塊；103-圖像預處理模塊；104-幀差分處理模塊；105-凸包檢測模塊；106-濾波模塊；107-融合模塊；108-目標標記和跟蹤模塊；110-幀分組模塊；111-形態學處理模塊。具體實施方式為使本專利技術實施例的目的、技術方案和優點更加清楚，下面將結合附圖對本專利技術的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本專利技術一部分實施例，而不是全部的實施例。基于本專利技術中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本專利技術保護的范圍。目前的實時動態目標跟蹤方法在魯棒性或實時性存在不足，基于此，本專利技術實施例提供的一種實時動態目標跟蹤方法及本文檔來自技高網...

【技術保護點】
一種實時動態目標跟蹤方法，其特征在于，包括以下步驟：采集所述目標的三維圖像；對所述三維圖像進行圖像通道分割處理，生成二維圖像和圖像深度矩陣；對所述二維圖像進行圖像預處理，生成預處理后的二維圖像；對所述預處理后的二維圖像和所述圖像深度矩陣分別進行幀差分處理，得到幀差分處理后的二維圖像和幀差分處理后的圖像深度矩陣；對所述幀差分處理后的二維圖像進行凸包檢測并計算所述凸包的質心；對所述幀差分處理后的圖像深度矩陣進行濾波，得到濾波后的圖像深度矩陣；將所述幀差分處理后的二維圖像和所述濾波后的圖像深度矩陣進行坐標融合，生成目標團塊矯正矩陣；根據所述質心對所述目標團塊矯正矩陣進行目標標記和路徑跟蹤。

【技術特征摘要】
1.一種實時動態目標跟蹤方法，其特征在于，包括以下步驟：采集所述目標的三維圖像；對所述三維圖像進行圖像通道分割處理，生成二維圖像和圖像深度矩陣；對所述二維圖像進行圖像預處理，生成預處理后的二維圖像；對所述預處理后的二維圖像和所述圖像深度矩陣分別進行幀差分處理，得到幀差分處理后的二維圖像和幀差分處理后的圖像深度矩陣；對所述幀差分處理后的二維圖像進行凸包檢測并計算所述凸包的質心；對所述幀差分處理后的圖像深度矩陣進行濾波，得到濾波后的圖像深度矩陣；將所述幀差分處理后的二維圖像和所述濾波后的圖像深度矩陣進行坐標融合，生成目標團塊矯正矩陣；根據所述質心對所述目標團塊矯正矩陣進行目標標記和路徑跟蹤。2.根據權利要求1所述的方法，其特征在于，在所述圖像通道分割處理前或所述幀差分處理前還包括幀分割處理，具體為：在所述圖像通道分割處理之前對所述三維圖像進行等幀數分組；或在所述幀差分處理前對所述二維圖像或所述預處理后的二維圖像進行等幀數分組。3.根據權利要求1所述的方法，其特征在于，所述幀差分處理為三幀差分處理。4.根據權利要求3所述的方法，其特征在于，所述三幀差分處理為幀間差分法、索貝爾算子或背景差分算法。5.根據權利要求1所述的方法，其特征在于，所述預處理包括全局閾值化、局部自適應閾值化、高斯模糊、高斯金字塔和拉普拉斯金字塔中的一種或多種。6.根據權利要求1所述的方法，其特征在于，所述將所述幀差分處理后的二維圖像和所述濾波后的圖像深度矩陣進行坐標融合生成目標團塊矯正矩陣，具體為：對所述幀差分后的二維圖像進行形態學處...

【專利技術屬性】
技術研發人員：肖志勇，陳照軍，
申請(專利權)人：深圳市石代科技有限公司，
類型：發明
國別省市：廣東,44